TabTransformer

TabTransformer est une nouvelle architecture approfondie de modélisation de données tabulaire pour un apprentissage supervisé. L'architecture TabTransformer repose sur des Transformers basés sur l'auto-attention (self-attention). Les couches de Transformers transforment les intégrations des caractéristiques catégorielles en intégrations contextuelles robustes pour obtenir une meilleure précision de prédiction. En outre, les intégrations contextuelles apprises à partir de TabTransformer sont très robustes face aux caractéristiques de données manquantes et bruyantes, et offrent une meilleure interprétabilité. Cette page contient des informations sur les recommandations relatives aux instances Amazon EC2 et des exemples de blocs-notes pour TabTransformer.

Recommandation d'instances Amazon EC2 pour l'algorithme TabTransformer

TabTransformer SageMaker AI prend en charge l’entraînement CPU à instance unique et l’entraînement GPU à instance unique. Malgré des coûts par instance plus élevés, les GPU entraînent plus rapidement, ce qui les rend plus rentables. Pour tirer parti de l'entraînement GPU, spécifiez le type d'instance comme l'une des instances GPU (par exemple, P3). Actuellement, TabTransformer SageMaker AI ne prend pas en charge l’entraînement multi-GPU.

Exemples de blocs-notes TabTransformer

Le tableau suivant présente divers exemples de blocs-notes traitant de différents cas d’utilisation de l’algorithme TabTransformer dans Amazon SageMaker AI.

Pour obtenir des instructions expliquant comment créer des instances de blocs-notes Jupyter et y accéder afin d’exécuter l’exemple dans SageMaker AI, consultez Instances de bloc-notes Amazon SageMaker. Après avoir créé et ouvert une instance de bloc-notes, cliquez sur l’onglet Exemples SageMaker AI pour afficher la liste de tous les exemples SageMaker AI. Pour ouvrir un bloc-notes, choisissez son onglet Use (Utiliser), puis Create copy (Créer une copie).